面向小样本安全生产数据的事故集成预警模型

作者：段在鹏; 张灿; 谢汉青; 黄月铃; 李帆

来源：安全与环境学报, 2022, 22(01): 51-57.

DOI：10.13637/j.issn.1009-6094.2020.1155

• 安全工程
• 企业事故预警
• 小样本统计
• SMOTE算法
• 集成方法

现有事故预警模型多依赖大量数据训练，而许多中小企业的安全生产数据积累不足。为了利用少量样本数据训练出相对精确的事故集成预警模型，首先，运用合成少数类过采样(SMOTE)算法对小样本数据进行预处理；其次，基于相关数据训练单个机器学习算法，选择最优机器算法作为集成方法的基分类器；同时，利用特征重要性优化企业事故预警指标；最后，通过投票法、装袋法、提升法、堆叠法4种集成方法进行拟合，提高企业事故预警模型精度。结果表明：SMOTE方法能较好地模拟出企业事故预警数值，增加其数据量，较好地解决了小样本数据不平衡问题。此外，在基于4种集成方法的企业事故预警模型的比较中，发现基于装袋法的企业事故集成预警模型拟合效果最佳，测试精度可达到88.46%。

• 单位
  福州大学